@misc{PaetschBaumEbelletal., author = {Paetsch, Olaf and Baum, Daniel and Ebell, Gino and Ehrig, Karsten and Heyn, Andreas and Meinel, Dietmar and Prohaska, Steffen}, title = {Korrosionsverfolgung in 3D-computertomographischen Aufnahmen von Stahlbetonproben}, issn = {1438-0064}, url = {http://nbn-resolving.de/urn:nbn:de:0297-zib-50912}, abstract = {Kurzfassung. Durch die Alkalit{\"a}t des Betons wird Betonstahl dauerhaft vor Korrosion gesch{\"u}tzt. Infolge von Chlorideintrag kann dieser Schutz nicht l{\"a}nger aufrechterhalten werden und f{\"u}hrt zu Lochkorrosion. Die zerst{\"o}rungsfreie Pr{\"u}fung von Stahlbetonproben mit 3D-CT bietet die M{\"o}glichkeit, eine Probe mehrfach gezielt vorzusch{\"a}digen und den Korrosionsfortschritt zu untersuchen. Zur Quantifizierung des Sch{\"a}digungsgrades m{\"u}ssen die bei dieser Untersuchung anfallenden großen Bilddaten mit Bildverarbeitungsmethoden ausgewertet werden. Ein wesentlicher Schritt dabei ist die Segmentierung der Bilddaten, bei der zwischen Korrosionsprodukt (Rost), Betonstahl (BSt), Beton, Rissen, Poren und Umgebung unterschieden werden muss. Diese Segmentierung bildet die Grundlage f{\"u}r statistische Untersuchungen des Sch{\"a}digungsfortschritts. Hierbei sind die {\"A}nderung der BSt-Geometrie, die Zunahme von Korrosionsprodukten und deren Ver{\"a}nderung {\"u}ber die Zeit sowie ihrer r{\"a}umlichen Verteilung in der Probe von Interesse. Aufgrund der Gr{\"o}ße der CT-Bilddaten ist eine manuelle Segmentierung nicht durchf{\"u}hrbar, so dass automatische Verfahren unabdingbar sind. Dabei ist insbesondere die Segmentierung der Korrosionsprodukte in den Bilddaten ein schwieriges Problem. Allein aufgrund der Grauwerte ist eine Zuordnung nahezu unm{\"o}glich, denn die Grauwerte von Beton und Korrosionsprodukt unterscheiden sich kaum. Eine formbasierte Suche ist nicht offensichtlich, da die Korrosionsprodukte in Beton diffuse Formen haben. Allerdings l{\"a}sst sich Vorwissen {\"u}ber die Ausbreitung der Korrosionsprodukte nutzen. Sie bilden sich in r{\"a}umlicher N{\"a}he des BSt (in Bereichen vorheriger Volumenabnahme des BSt), entlang von Rissen sowie in Porenr{\"a}umen, die direkt am BSt und in dessen Nahbereich liegen. Davon ausgehend wird vor der Korrosionsprodukterkennung zun{\"a}chst eine BSt-Volumen-, Riss- und Porenerkennung durchgef{\"u}hrt. Dieser in der Arbeit n{\"a}her beschriebene Schritt erlaubt es, halbautomatisch Startpunkte (Seed Points) f{\"u}r die Korrosionsprodukterkennung zu finden. Weiterhin werden verschiedene in der Bildverarbeitung bekannte Algorithmen auf ihre Eignung untersucht werden.}, language = {de} } @inproceedings{PaetschBaumProhaskaetal., author = {Paetsch, Olaf and Baum, Daniel and Prohaska, Steffen and Ehrig, Karsten and Meinel, Dietmar and Ebell, Gino}, title = {3D Corrosion Detection in Time-dependent CT Images of Concrete}, series = {DIR-2015 Proceedings}, booktitle = {DIR-2015 Proceedings}, abstract = {In civil engineering, the corrosion of steel reinforcements in structural elements of concrete bares a risk of stability-reduction, mainly caused by the exposure to chlorides. 3D computed tomography (CT) reveals the inner structure of concrete and allows one to investigate the corrosion with non-destructive testing methods. To carry out such investigations, specimens with a large artificial crack and an embedded steel rebar have been manufactured. 3D CT images of those specimens were acquired in the original state. Subsequently three cycles of electrochemical pre-damaging together with CT imaging were applied. These time series have been evaluated by means of image processing algorithms to segment and quantify the corrosion products. Visualization of the results supports the understanding of how corrosion propagates into cracks and pores. Furthermore, pitting of structural elements can be seen without dismantling. In this work, several image processing and visualization techniques are presented that have turned out to be particularly effective for the visualization and segmentation of corrosion products. Their combination to a workflow for corrosion analysis is the main contribution of this work.}, language = {en} } @article{PaetschBaumProhaskaetal., author = {Paetsch, Olaf and Baum, Daniel and Prohaska, Steffen and Ehrig, Karsten and Ebell, Gino and Meinel, Dietmar and Heyn, Andreas}, title = {Korrosionsverfolgung in 3D-computertomographischen Aufnahmen von Stahlbetonproben}, series = {DGZfP-Jahrestagung 2014 Konferenzband}, journal = {DGZfP-Jahrestagung 2014 Konferenzband}, language = {de} }